CN115755869B - 一种自动泊车测试方法、装置、存储介质及设备 - Google Patents
一种自动泊车测试方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN115755869B CN115755869B CN202310029985.XA CN202310029985A CN115755869B CN 115755869 B CN115755869 B CN 115755869B CN 202310029985 A CN202310029985 A CN 202310029985A CN 115755869 B CN115755869 B CN 115755869B
- Authority
- CN
- China
- Prior art keywords
- simulation
- map
- information
- control algorithm
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010998 test method Methods 0.000 title claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 238000012795 verification Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 192
- 238000000034 method Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 22
- 230000002452 interceptive effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种自动泊车测试方法、装置、存储介质及设备,该方法中,通过解析基于场景仿真软件搭建的泊车场景的参数文件来构建仿真地图,仿真地图上的坐标基于地图坐标系和障碍物占用类型而得到,这样,使用仿真地图来为自动泊车的规划控制算法提供所需的输入交互信息,并且基于车辆参数生成的被测车辆模型根据规划控制算法的控制量更新被测车辆的位置信息,之后,根据每个仿真步长中得到的控制量和位置信息对规划控制算法的效果进行判断。如此,可以在项目早期就实现对规划控制算法的验证,即实现自动泊车功能的测试,进而有效推进项目开发进展。
Description
技术领域
本申请涉及车辆测试技术领域,具体而言,涉及一种自动泊车测试方法、装置、存储介质及设备。
背景技术
智能驾驶是现代科学技术融合应用在车上的综合体现。随着智能驾驶功能的普及,自动泊车功能成为智能驾驶功能的标配,而针对自动泊车功能的测试也成为主机厂的一项必要且极为重要的测试项目。
目前的测试方案主要是在自动泊车功能开发的供应商完成台架测试和整车标定后,再由主机厂进行整车的测试验收。然而,这一方式在项目早期,由于感知,定位和建图等功能的缺失,无法对自动泊车的规划控制算法进行验证,因而容易影响项目开发进度。
发明内容
本申请实施例的目的在于提供一种自动泊车测试方法、装置、存储介质及设备,旨在解决相关技术中测试自动泊车功能的方案存在的在项目早期无法对自动泊车的规划控制算法进行验证,容易影响项目开发进度的问题。
第一方面,本申请实施例提供的一种自动泊车测试方法,所述方法包括:
基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
根据存储的仿真信息对所述规划控制算法的效果进行判断。
在上述实现过程中,通过解析基于场景仿真软件搭建的泊车场景的参数文件来构建仿真地图,仿真地图上的坐标基于地图坐标系和障碍物占用类型而得到,这样,使用仿真地图来为自动泊车的规划控制算法提供所需的输入交互信息,并且基于车辆参数生成的被测车辆模型根据规划控制算法的控制量更新被测车辆的位置信息,之后,根据每个仿真步长中得到的控制量和位置信息对规划控制算法的效果进行判断。如此,可以在项目早期就实现对规划控制算法的验证,即实现自动泊车功能的测试,进而有效推进项目开发进展。
进一步地,在一些实施例中,所述基于车辆参数生成被测车辆模型之前,包括:
根据所述规划控制算法的功能需求信息与传感器的交互接口信息确定所述仿真地图的类型;所述传感器用于感知、建图和定位。
在上述实现过程中,收集自动泊车的规划控制算法详细的功能需求,与感知、建图和定位子模块的交互接口信息,以此来确定构建的仿真地图的类型是2D地图还是3D地图,从而构建合适的仿真地图。
进一步地,在一些实施例中,所述仿真地图上的坐标基于以下方式得到:
若所述仿真地图是二维地图,所述仿真地图的原点坐标为(0,0,Obj);
若所述仿真地图是三维地图,所述仿真地图的原点坐标为(0,0,0,Obj);
其中,所述Obj为障碍物占用类型;若一坐标中Obj的值为0,所述坐标未被障碍物占用。
在上述实现过程中,提供一种将仿真地图上的物体坐标化的具体方式,使得根据坐标位置可以确定仿真地图对应的区域内的障碍物信息,这样,规划控制算法可以结合该障碍物信息生成更为合理的规划路径。
进一步地,在一些实施例中,所述控制量包括以下至少一种:
方向盘目标转角、油门开度、制动深度。
在上述实现过程中,提供规划控制算法输出的控制量的可选类型。
进一步地,在一些实施例中,所述方法还包括:
在每个仿真步长中,判断所述被测车辆模型的包络线是否与所述仿真地图中其他部分的包络线存在交点或切点;
若判断结果为是,记录对应时刻并存储为警示信息。
在上述实现过程中,在仿真过程中,根据被测车辆模型的包络线是否与仿真地图中其他部分的包络线存在交点或切点,判断被测车辆是否撞到某个物品,以此记录警示信息,从而提升对规划控制算法的效果的判断效率和准确率。
进一步地,在一些实施例中,所述根据存储的仿真信息对所述规划控制算法的效果进行判断,包括:
基于存储的仿真信息和警示信息生成动画或者数据包,根据所述动画或者数据包按照预设评判条件对所述规划控制算法的效果进行判断;所述预设评判条件是根据所述规划控制算法的功能需求信息进行设置的。
在上述实现过程中,根据规划控制算法的功能需求来设置评判标准,结合基于存储的仿真信息和警示信息生成的动画或者数据包来判断规划控制算法的效果,这样,可以快速且准确地验证自动泊车的规划控制算法。
第二方面,本申请实施例提供的一种自动泊车测试装置,所述装置包括:
生成模块,用于基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
仿真模块,用于针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
验证模块,用于根据存储的仿真信息对所述规划控制算法的效果进行判断。
第三方面,本申请实施例提供的一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
第四方面,本申请实施例提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如第一方面任一项所述的方法。
第五方面,本申请实施例提供的一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行如第一方面任一项所述的方法。
本申请公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本申请公开的上述技术即可得知。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种自动泊车测试方法的流程图;
图2为本申请实施例提供的一种自动泊车功能规划控制算法模型/软件在环的仿真测试方案的工作流程的示意图;
图3为本申请实施例提供的一种自动泊车测试装置的框图;
图4为本申请实施例提供的一种电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如背景技术记载,相关技术中测试自动泊车功能的方案存在着容易影响项目开发进度的问题。基于此,本申请实施例提供一种自动泊车测试方案,以解决上述问题。
接下来对本申请实施例进行介绍:
如图1所示,图1是本申请实施例提供的一种自动泊车测试方法的流程图,所述方法包括:
在步骤101、基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
自动泊车是通过遍布车辆周围的传感器探测车辆周围环境信息和有效泊车空间,并规划泊车路径,控制车辆的转向和加减速,使车辆半自动或自动完成泊车操作的功能。本实施例方案是针对规划控制进行仿真测试,以验证规划控制算法的效果。
具体地,本步骤中提到的被测车辆模型是指被测车辆的仿真模型,其是基于车辆参数生成的。这里的车辆参数包括车辆组件类型和相关配置参数,其可以包括但不限于车辆尺寸、轴距、轮胎型号、悬架类型、方向盘与驱动力的转向关系、驱动***类型、制动***类型、感知传感器类型、感知传感器布置位置和参数等信息。通过这些车辆参数,可以建立与实际被测车辆具有较高还原度的仿真模型。需要说明的是,为了提升合理性,在建立被测车辆模型时,应将车辆动力学约束包含在内,例如,被测车辆模型的质心侧偏角和横摆角速度设置在平稳域内,该平稳域由质心侧偏角和横摆角速度的极限阈值线围成,如此,使得被测车辆模型在仿真轨迹上移动时能够保持平稳状态。
本实施例方案使用仿真地图来为规划控制算法提供所需的输入交互信息。该仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,这里的泊车场景可以垂直车位、水平车位、斜向车位和其他类型非标准车位,以及各种障碍物或者类似行人经过的触发事件等等,泊车场景在仿真时都会输出对应参数文件,按照仿真步长通过脚本解析这些泊车场景的参数文件,可以将其转换为仿真地图,按照定义好的交互接口形成可行驶区域或车位线方程等。这里的仿真步长单位为秒,其可以根据实际场景的需求,如驾驶员反应时间来设置,可选地,该仿真步长可以是1秒。
在一些实施例中,本步骤之前可以包括:根据所述规划控制算法的功能需求信息与传感器的交互接口信息确定所述仿真地图的类型;所述传感器用于感知、建图和定位。也就是说,可以先收集自动泊车的规划控制算法详细的功能需求,与其他功能模块的交互接口信息,尤其是感知、建图和定位子模块的交互接口信息,以此来确定构建的仿真地图的类型是2D地图还是3D地图。例如,若功能需求信息和交互接口信息均是平面化的信息,则可以确定仿真地图的类型是2D地图,否则可以确定仿真地图的类型是3D地图。另外,在其他实施例中,仿真地图的类型也可以按照项目阶段来区分,例如,若当前阶段是项目早期,则可以构建二维的仿真地图,若当前阶段是项目中后期,则可以构建三维的仿真地图。
本实施例方案中,仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的。在一些实施例中,仿真地图上的坐标可以基于以下方式得到:若所述仿真地图是二维地图,所述仿真地图的原点坐标为(0,0,Obj);若所述仿真地图是三维地图,所述仿真地图的原点坐标为(0,0,0,Obj);其中,所述Obj为障碍物占用类型;若一坐标中Obj的值为0,所述坐标未被障碍物占用。也就是说,可以设定仿真地图原点坐标为车位右上角点,2D原点坐标为(0,0,Obj),3D原点坐标为(0,0,0,Obj),Obj为障碍物占用类型,值为0时代表未被占用,其余值分别代表被如车辆,行人,水马等各类障碍物占用。如此,根据坐标位置可以确定仿真地图对应的区域内的障碍物信息,规划控制算法可以结合该障碍物信息生成更为合理的规划路径。
在生成被测车辆模型时,还需要计算出该被测车辆模型在仿真地图上的包络线,该包络线可以根据不同项目阶段的要求进行适当简化,在2D地图上为被测车辆在地平面的投影轮廓,在3D地图上为按照被测车辆的长宽高形成的多面体。在实现时,该包络线由一条曲线上的多个坐标点组成,其可以表现为一个曲线方程。
在步骤102、针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
本实施例方案是根据规划控制模块输出的控制量更新被测车辆模型的姿态,以此提前验证算法或者在有实车或台架数据的情况下回放数据复现问题,排查是否为规划控制的问题,定位问题大体所在。需要说明的是,本实施例方案可以兼容各种泊车规划控制算法,包括几何类规划算法、Dubins曲线法、A Star(A星)算法、Hybrid A Star(混合A星)算法等。
在车辆模型中,车辆的后轴中心坐标与车辆的坐标一致,即被测车辆模型的后轴中心坐标就是被测车辆模型的坐标。该后轴中心坐标可以记为(Xv,Yv,1)或(Xv,Yv,Zv,1),航向角为头方向与仿真地图x轴正方向的夹角,逆时针为正,顺时针为负,取值范围为-π~π。将被测车辆模型在仿真地图上的包络线定义为Ψv,则针对仿真开始后的每一个仿真步长,将当前时刻t0中被测车辆模型的后轴中心坐标和包络线Ψv(t0)叠加当前时刻的仿真地图输入给规划控制算法,若该规划控制算法是搜索类规划算法,如A Star算法、Hybrid AStar算法等,则其可以根据车辆位置信息和仿真地图进行平面投影栅格化,生成栅格地图,以适配搜索类规划算法。之后,规划控制算法以此计算下一阶段的控制量,该控制量是用于更新车辆姿态以完成泊车操作的控制器输出信号,可选地,该控制量可以包括方向盘目标转角、油门开度、制动深度等的至少一种。根据这些控制量和被测车辆模型,按照车辆动力学方程可以计算出被测车辆模型下一个仿真步长的后轴中心坐标和包络线Ψv(t1)。最后,将新的车辆位置信息和规划控制算法的控制量作为仿真信息进行存储,等待下一个仿真步长。基于这一方式完成所有仿真步长后,存储的所有仿真信息即包括了被测车辆模型根据规划控制算法的规划控制形成的仿真轨迹的信息。
在步骤103、根据存储的仿真信息对所述规划控制算法的效果进行判断。
在得到仿真信息后,可以在项目早期根据该仿真信息对规划控制算法的效果进行判断,从而实现对自动泊车的规划控制算法的验证,进而加速推进项目开发进度。具体地,在判断规划控制算法的效果时,基于存储的仿真信息生成动画或者数据包,运行该动画或者数据包,检查是否符合评判标准,若符合,则确定该规划控制算法是合理的,若不符合,则确定该规划控制算法是存在错误的。或者,也可以根据实际车辆标定和验证数据在仿真中同步生成参考轨迹,通过对比参考轨迹和基于仿真信息产生的仿真轨迹,以此确认问题归属,从而实现自动泊车功能的测试。
在一些实施例中,上述方法还可以包括:在每个仿真步长中,判断所述被测车辆模型的包络线是否与所述仿真地图中其他部分的包络线存在交点或切点;若判断结果为是,记录对应时刻并存储为警示信息。也就是说,在仿真过程中,判断被测车辆模型的包络线是否与仿真地图中其他部分,如其他车辆或水马之类的障碍物的包络线有交点或切点,如果有,则表明被测车辆撞到某个物品,因此需要记录这一时刻,并将其作为警示信息进行存储。从而提升对规划控制算法的效果的判断效率和准确率。
进一步地,在一些实施例中,本步骤中提到的根据存储的仿真信息对所述规划控制算法的效果进行判断可以包括:基于存储的仿真信息和警示信息生成动画或者数据包,根据所述动画或者数据包按照预设评判条件对所述规划控制算法的效果进行判断;所述预设评判条件是根据所述规划控制算法的功能需求信息进行设置的。也就是说,根据规划控制算法的功能需求来设置评判标准,结合基于存储的仿真信息和警示信息生成的动画或者数据包来判断规划控制算法的效果,这样,可以快速且准确地验证自动泊车的规划控制算法。
本申请实施例,通过解析基于场景仿真软件搭建的泊车场景的参数文件来构建仿真地图,仿真地图上的坐标基于地图坐标系和障碍物占用类型而得到,这样,使用仿真地图来为自动泊车的规划控制算法提供所需的输入交互信息,并且基于车辆参数生成的被测车辆模型根据规划控制算法的控制量更新被测车辆的位置信息,之后,根据每个仿真步长中得到的控制量和位置信息对规划控制算法的效果进行判断。如此,可以在项目早期就实现对规划控制算法的验证,即实现自动泊车功能的测试,进而有效推进项目开发进展。
为了对本申请的方案做更为详细的说明,接下来介绍一具体实施例:
本实施例涉及自动泊车功能的测试场景,目前的测试方案主要是由自动泊车功能开发的供应商进行台架测试和整车标定后再由主机厂进行整车的测试验收。该方案存在以下问题:自动泊车功能包含若干子功能,常常分属于不同部门和供应商负责,如果等到各子功能都开发完成再集成测试则难以满足项目开发进度,并且集成测试的问题也难以明确责任对象,因此需要针对单独的子功能进行测试;并且,在整车标定的过程中往往会出现车辆状态、子模块软硬件成熟度不满足要求的问题,极大影响标定和验收进程;还有,在项目后期如果出现市场问题,排查问题较为困难。基于此,本实施例提供一种自动泊车功能规划控制算法模型/软件在环的仿真测试方案,以解决上述问题。
本实施例方案的工作流程如图2所示,包括:
S201、收集自动泊车的规划控制算法详细的功能需求,与其他功能模块的交互接口信息,尤其是感知、建图和定位子模块的交互接口信息,并且,收集车辆参数,如车辆尺寸、轴距、轮胎型号、悬架类型、方向盘与驱动力的转向关系、驱动***类型、制动***类型、感知传感器类型、感知传感器布置位置和参数等;
S202、根据功能需求和交互接口,或者按照项目阶段来确认仿真地图是2D还是3D类型;并且,将仿真地图中的物体坐标化,设定仿真地图原点坐标为车位右上角点,2D原点坐标为(0,0,Obj),3D原点坐标为(0,0,0,Obj),Obj为障碍物占用类型,值为0时代表未被占用,1-9分别代表被如车辆,行人,水马等各类障碍物占用;x轴以右为正方向,y轴z轴正方向遵守右手法则;
S203、基于车辆参数结合车辆动力学约束生成被测车辆模型,并且计算其在仿真地图上的包络线;被测车辆模型的坐标为其后轴中心坐标,按照仿真地图类型设置为(Xv,Yv,1)或(Xv,Yv,Zv,1),航向角为头方向与仿真地图x轴正方向的夹角,逆时针为正,顺时针为负,取值范围为-π~π;被测车辆模型在仿真地图上的包络线定义为Ψv,其在2D仿真地图上为被测车辆在地平面的投影轮廓,在3D仿真地图上为按照被测车辆长宽高形成的多面体;
S204、基于场景仿真软件搭建泊车场景,该泊车场景包括但不限于垂直车位、水平车位、斜向车位和其他类型非标准车位,以及各种障碍物或者类似行人经过的触发事件,泊车场景在仿真时输出对应参数文件,按照仿真步长通过脚本解析这些泊车场景的参数文件,可以将其转换为仿真地图,按照定义好的交互接口形成可行驶区域或车位线方程等;
S205、仿真开始后每一个仿真步长,将被测车辆模型的后轴中心坐标和包络线Ψv(t0)叠加当前时刻的仿真地图输入给规划控制算法,然后由规划控制算法计算下一阶段的控制量,例如方向盘目标转角、油门开度、制动深度等,根据这些控制量和被测车辆模型,按照车辆动力学方程可以计算出被测车辆模型下一个仿真步长的后轴中心坐标和包络线Ψv(t1),将新的车辆信息以及规划控制算法的控制量作为仿真信息存储,等待下一个仿真步长,在下一个仿真步长根据Ψv(t1)更新被测车辆位置信息后重复这一步骤得到下一个仿真步长的仿真地图;另外,每个仿真步长中需要判断被测车辆模型的包络线是否与仿真地图中其他部分的包络线有交点或切点,如有则代表被测车辆撞到某个物品,需要记录这一时刻,存储警示信息;
S206、根据功能需求和经验编写评判标准,结合存储的仿真信息生成的动画或者数据包以及警示信息判断规划控制算法的效果。
本实施例方案使用仿真地图来为规划控制算法提供所需的所有输入交互信息,并且基于车辆参数生成的车辆模型根据规划控制算法的控制量更新被测车辆的信息,可在某种意义上替代实际被测试车辆,这样在项目早期就可以摆脱因为感知,定位和建图等功能缺失导致的无法验证规划控制算法的问题;并且,在项目过程中还可以根据实际车辆标定和验证数据在仿真中同步生成参考轨迹,通过对比参考轨迹和仿真轨迹确认问题归属;而且在项目晚期又能通过标定好的实车数据反过来优化车辆模型参数,车辆包络和仿真场景;另外,基于模型/软件在环的思路,按照交互接口适配,可以完美兼容使用simulink建模开发或者代码开发的规划控制算法,仿真地图中一切物体都已经坐标化,对于常见的几何类规划算法均可以良好适配,而对于搜索类规划算法只需要根据车辆坐标及包络线,车位坐标,障碍物坐标很容易地进行平面投影栅格化地图,以适配搜索规划算法。
与前述方法的实施例相对应,本申请还提供自动泊车测试装置及其应用的终端的实施例:
如图3所示,图3是本申请实施例提供的一种自动泊车测试装置的框图,所述装置包括:
生成模块31,用于基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
仿真模块32,用于针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
验证模块33,用于根据存储的仿真信息对所述规划控制算法的效果进行判断。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
本申请还提供一种电子设备,请参见图4,图4为本申请实施例提供的一种电子设备的结构框图。电子设备可以包括处理器410、通信接口420、存储器430和至少一个通信总线440。其中,通信总线440用于实现这些组件直接的连接通信。其中,本申请实施例中电子设备的通信接口420用于与其他节点设备进行信令或数据的通信。处理器410可以是一种集成电路芯片,具有信号的处理能力。
上述的处理器410可以是通用处理器,包括中央处理器(CPU,Central ProcessingUnit)、网络处理器(NP,Network Processor)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。上述的处理器410可以是微处理器,或者该处理器410也可以是任何常规的处理器等。
存储器430可以是,但不限于,随机存取存储器(RAM,Random Access Memory),只读存储器(ROM,Read Only Memory),可编程只读存储器(PROM ,Programmable Read-OnlyMemory),可擦除只读存储器(EPROM ,Erasable Programmable Read-Only Memory),电可擦除只读存储器(EEPROM ,Electric Erasable Programmable Read-Only Memory)等。存储器430中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器410执行时,电子设备可以执行上述图1方法实施例涉及的各个步骤。
可选地,电子设备还可以包括存储控制器、输入输出单元。
所述存储器430、存储控制器、处理器410、外设接口、输入输出单元各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通信总线440实现电性连接。所述处理器410用于执行存储器430中存储的可执行模块,例如电子设备包括的软件功能模块或计算机程序。
输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。所述输入输出单元可以是,但不限于,鼠标和键盘等。
可以理解,图4所示的结构仅为示意,所述电子设备还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供一种存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,所述计算机程序被处理器执行时实现方法实施例所述的方法,为避免重复,此处不再赘述。
本申请还提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行方法实施例所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种自动泊车测试方法,其特征在于,所述方法包括:
基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储,以及在每个仿真步长中,判断所述被测车辆模型的包络线是否与所述仿真地图中其他部分的包络线存在交点或切点,若判断结果为是,记录对应时刻并存储为警示信息;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
根据存储的仿真信息和警示信息对所述规划控制算法的效果进行判断。
2.根据权利要求1所述的方法,其特征在于,所述基于车辆参数生成被测车辆模型之前,包括:
根据所述规划控制算法的功能需求信息与传感器的交互接口信息确定所述仿真地图的类型;所述传感器用于感知、建图和定位。
3.根据权利要求2所述的方法,其特征在于,所述仿真地图上的坐标基于以下方式得到:
若所述仿真地图是二维地图,所述仿真地图的原点坐标为(0,0,Obj);
若所述仿真地图是三维地图,所述仿真地图的原点坐标为(0,0,0,Obj);
其中,所述Obj为障碍物占用类型;若一坐标中Obj的值为0,所述坐标未被障碍物占用。
4.根据权利要求1所述的方法,其特征在于,所述控制量包括以下至少一种:
方向盘目标转角、油门开度、制动深度。
5.根据权利要求1所述的方法,其特征在于,所述根据存储的仿真信息和警示信息对所述规划控制算法的效果进行判断,包括:
基于存储的仿真信息和警示信息生成动画或者数据包,根据所述动画或者数据包按照预设评判条件对所述规划控制算法的效果进行判断;所述预设评判条件是根据所述规划控制算法的功能需求信息进行设置的。
6.一种自动泊车测试装置,其特征在于,所述装置包括:
生成模块,用于基于车辆参数生成被测车辆模型,并计算所述被测车辆模型在仿真地图上的包络线;所述仿真地图是通过解析基于场景仿真软件搭建的泊车场景的参数文件而得到的,所述仿真地图上的坐标是基于地图坐标系和障碍物占用类型而得到的;
仿真模块,用于针对仿真开始后的每一个仿真步长,将当前仿真步长对应的车辆位置信息和仿真地图作为自动泊车的规划控制算法的输入,得到所述规划控制算法输出的控制量,再根据所述控制量按照车辆动力学方程,计算出下一个仿真步长对应的车辆位置信息和仿真地图,并将所述控制量和所述下一个仿真步长对应的车辆位置信息作为仿真信息进行存储,以及在每个仿真步长中,判断所述被测车辆模型的包络线是否与所述仿真地图中其他部分的包络线存在交点或切点,若判断结果为是,记录对应时刻并存储为警示信息;所述车辆位置信息包括所述被测车辆模型的后轴中心坐标和包络线;
验证模块,用于根据存储的仿真信息和警示信息对所述规划控制算法的效果进行判断。
7.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
8.一种电子设备,其特征在于,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029985.XA CN115755869B (zh) | 2023-01-10 | 2023-01-10 | 一种自动泊车测试方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029985.XA CN115755869B (zh) | 2023-01-10 | 2023-01-10 | 一种自动泊车测试方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115755869A CN115755869A (zh) | 2023-03-07 |
CN115755869B true CN115755869B (zh) | 2023-04-07 |
Family
ID=85348811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310029985.XA Active CN115755869B (zh) | 2023-01-10 | 2023-01-10 | 一种自动泊车测试方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115755869B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116661428B (zh) * | 2023-07-28 | 2023-11-03 | 江西五十铃汽车有限公司 | 一种整车性能参数测试方法及*** |
CN117971660A (zh) * | 2024-01-10 | 2024-05-03 | 镁佳(北京)科技有限公司 | 自动泊车辅助算法的测试方法、装置、***、设备及介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
CN112158195B (zh) * | 2020-09-16 | 2022-07-08 | 重庆长安汽车股份有限公司 | 泊车路径规划方法、***、车辆及存储介质 |
CN112596502A (zh) * | 2020-12-18 | 2021-04-02 | 芜湖雄狮汽车科技有限公司 | 自动泊车***的硬件在环测试***及方法 |
CN113009900A (zh) * | 2021-02-06 | 2021-06-22 | 武汉光庭信息技术股份有限公司 | 一种adas控制器硬件在环仿真*** |
CN113343425B (zh) * | 2021-05-08 | 2022-09-30 | 北京三快在线科技有限公司 | 一种仿真测试的方法及装置 |
CN115145168A (zh) * | 2022-06-21 | 2022-10-04 | 中国第一汽车股份有限公司 | 一种汽车控制单元的仿真测试*** |
CN115185205A (zh) * | 2022-08-30 | 2022-10-14 | 北斗星通智联科技有限责任公司 | 智能驾驶仿真方法、***、终端设备和可读存储介质 |
CN115453912A (zh) * | 2022-09-28 | 2022-12-09 | 白犀牛智达(北京)科技有限公司 | 自动驾驶仿真方法、***、设备以及介质 |
CN115402344A (zh) * | 2022-10-12 | 2022-11-29 | 北京宾理信息科技有限公司 | 泊车场景仿真方法和装置 |
CN115408779A (zh) * | 2022-10-31 | 2022-11-29 | 小米汽车科技有限公司 | 代客泊车算法仿真测试方法、装置及存储介质 |
-
2023
- 2023-01-10 CN CN202310029985.XA patent/CN115755869B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115755869A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115755869B (zh) | 一种自动泊车测试方法、装置、存储介质及设备 | |
CN110333730B (zh) | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 | |
US10482003B1 (en) | Method and system for modifying a control unit of an autonomous car | |
WO2022016311A1 (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
CN110286389B (zh) | 一种用于障碍物识别的栅格管理方法 | |
US20220048536A1 (en) | Method and device for testing a driver assistance system | |
CN112613169B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全分析方法 | |
CN109101690A (zh) | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 | |
JP6850324B2 (ja) | マルチモデルに基づく障害物分布シミュレーション方法、装置、端末及びプログラム | |
KR102148561B1 (ko) | 차량의 adas 테스트를 위한 가상 레이더 센서의 장애물 검출 방법 | |
US20210072397A1 (en) | Generation of synthetic lidar signals | |
US20200094849A1 (en) | Method for quantitatively characterizing at least one temporal sequence of an object attribute error of an object | |
CN112035951A (zh) | 一种用于自动驾驶算法验证的仿真平台及仿真方法 | |
US11636684B2 (en) | Behavior model of an environment sensor | |
CN110843775B (zh) | 一种基于压力传感器的障碍物识别方法 | |
CN116034345A (zh) | 用于测试驾驶员辅助***的方法和*** | |
Park et al. | Creating driving scenarios from recorded vehicle data for validating lane centering system in highway traffic | |
KR20230150350A (ko) | 차량의 운전자 보조 시스템을 시험하기 위한 방법 | |
Stević et al. | Development of ADAS perception applications in ROS and" Software-In-the-Loop" validation with CARLA simulator | |
CN111881121B (zh) | 一种自动驾驶数据填充方法和装置 | |
CN115236997A (zh) | 预测控制方法、装置、设备及计算机可读存储介质 | |
CN109544648B (zh) | 一种标定方法及装置 | |
CN110376583A (zh) | 用于车辆传感器的数据融合方法及装置 | |
KR20230017258A (ko) | 고해상도 디지털 지도 제공 방법 및 장치 | |
KR20230148366A (ko) | 차량의 운전자 보조 시스템의 시험을 위한 시나리오 데이터를 생성하기 위한 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |